“项厚宏”申请（专利权）人搜索_中国专利权人_发明人_技术持有人_科研专家_钻瓜专利网

钻瓜专利网为您找到相关结果8个，建议您升级VIP下载更多相关专利

[发明专利]一种基于Transformer的红外偏振图像融合方法-CN202210417736.3有效
发明人：齐美彬;李坤袁;蒋建国;杨艳芳;李小红;庄硕;项厚宏 -专利权人：合肥工业大学
申请日： 2022-04-20 - 公布日： 2023-08-11 - 主分类号： G06T5/50 文献下载
摘要：本发明公开了一种基于Transformer的红外偏振图像融合方法，其步骤包括：1、对红外偏振图像进行预处理，降低偏振度图像中的噪声干扰；2、构建基于Transformer红外偏振图像融合网络；3、建立红外偏振图像与融合图像之间的损失函数；4、用红外强度与偏振度图像对融合网络进行训练，并用训练后的模型对待处理的红外偏振图像进行融合。本发明通过Transformer自注意力机制对偏振度图像的全局显著性特征进行提取，并能利用偏振度图像总变分约束损失，进一步提升网络性能，从而能有效提高红外偏振图像的融合效果。
一种基于 transformer 红外偏振图像融合方法

[发明专利]基于二维卷积神经网络的米波雷达DOA估计方法-CN201811442386.6有效
发明人：陈伯孝;项厚宏 -专利权人：西安电子科技大学
申请日： 2018-11-29 - 公布日： 2023-08-11 - 主分类号： G01S7/41 文献下载
摘要：本发明属于雷达技术领域，公开了一种基于二维卷积神经网络的米波雷达DOA估计方法，包括：获取P个点迹作为训练集；计算训练集中每个点迹的协方差矩阵，以及上三角元素组成上三角元素相位矩阵，得到对应的相位平均值矩阵和相位标准差矩阵；以第i个点迹对应的补零重排后的相位矩阵作为卷积神经网络的输入，得到第i个点迹的输出矩阵；根据目标函数对卷积神经网络的网络参数进行修正；获取实测目标点迹，将实测目标点迹的相位矩阵输入卷积神经网络中，重构实测目标点迹的协方差矩阵对目标点迹进行DOA估计，将DOA估计问题转化成一个纯粹的回归问题。
基于二维卷积神经网络雷达 doa 估计方法

[发明专利]基于一维卷积神经网络的米波雷达DOA估计方法-CN201811442372.4有效
发明人：陈伯孝;项厚宏 -专利权人：西安电子科技大学
申请日： 2018-11-29 - 公布日： 2022-11-18 - 主分类号： G01S7/41 文献下载
摘要：本发明属于雷达技术领域，公开了一种基于一维卷积神经网络的米波雷达DOA估计方法，包括：获取P个点迹作为训练集；计算训练集中每个点迹的协方差矩阵，以及上三角元素组成上三角元素相位矩阵，得到对应的相位平均值矩阵和相位标准差矩阵；以第i个点迹对应的按列重排后的相位矩阵作为卷积神经网络的输入，得到第i个点迹的输出矩阵；根据目标函数对卷积神经网络的网络参数进行修正；获取实测目标点迹，将实测目标点迹的相位矩阵输入卷积神经网络中，重构实测目标点迹的协方差矩阵对目标点迹进行DOA估计，将DOA估计问题转化成一个纯粹的回归问题。
基于卷积神经网络雷达 doa 估计方法

[发明专利]基于有监督深度神经网络的米波雷达DOA估计方法-CN201811442375.8有效
发明人：陈伯孝;项厚宏 -专利权人：西安电子科技大学
申请日： 2018-11-29 - 公布日： 2022-11-18 - 主分类号： G01S7/41 文献下载
摘要：本发明属于雷达技术领域，公开了一种基于有监督深度神经网络的米波雷达DOA估计方法，包括：获取P个点迹作为训练集；计算训练集中每个点迹的协方差矩阵，以及上三角元素组成上三角元素相位矩阵，得到对应的相位平均值矩阵和相位标准差矩阵；以第i个点迹对应的按列重排后的相位矩阵作为有监督深度神经网络的输入，得到第i个点迹的输出矩阵；根据目标函数对有监督深度神经网络的网络参数进行修正；获取实测目标点迹，将实测目标点迹的相位矩阵输入有监督深度神经网络中，重构实测目标点迹的协方差矩阵对目标点迹进行DOA估计，将DOA估计问题转化成一个纯粹的回归问题。
基于监督深度神经网络雷达 doa 估计方法

[发明专利]基于深度神经网络的米波雷达低仰角测高方法-CN201810650951.1有效
发明人：陈伯孝;杨婷;项厚宏 -专利权人：西安电子科技大学
申请日： 2018-06-22 - 公布日： 2022-04-29 - 主分类号： G01S7/41 文献下载
摘要：本发明公开了一种基于深度神经网络的米波雷达低仰角测高方法，解决了低仰角情况下模型失配问题，包括以下步骤：回波数据预处理得到归一化的幅度谱；构造压缩网络及与其结构对称的解压网络组成DNN，将归一化的幅度谱作为DNN的输入得到特征F并解压处理得到解压数据，用Adam算法与BP算法对DNN参数的权值W和偏置b进行训练与微调，完成深度神经网络的构建与训练；网络达到最优时，将训练集中的全部数据输入压缩网络并单位化得到特征基集；将预处理后的测试集数据输入训练好的DNN得到特征F′并投影在训练集的特征基集中确定目标来波角度，计算目标高度。本发明提高了雷达测高精度，在低仰角、模型失配情况下依然有效，用于米波雷达低仰角测高领域。
基于深度神经网络雷达仰角测高方法

[发明专利]基于多任务学习的单快拍相干超分辨DOA估计技术-CN202111241040.1在审
发明人： 项厚宏;齐美彬 -专利权人：合肥工业大学
申请日： 2021-10-25 - 公布日： 2022-01-28 - 主分类号： G01S3/14 文献下载
摘要：本发明公开了一种基于多任务学习的单快拍相干超分辨DOA估计方法，该方法通过构建适合相干源的多任务特征分离模型，对天线阵列接收数据中的相干源进行有效分离，然后采用实时性较强的数字波束形成算法即可实现超分辨DOA估计。该DOA估计方法实时性高，且对信噪比和阵列误差等参数具有较高的泛化性。
基于任务学习单快拍相干分辨 doa 估计技术

[发明专利]一种相位增强的米波雷达目标低仰角DOA估计方法-CN201910662647.3有效
发明人：陈伯孝;项厚宏 -专利权人：西安电子科技大学
申请日： 2019-07-22 - 公布日： 2021-08-24 - 主分类号： G01S3/14 文献下载
摘要：本发明公开了一种相位增强的米波雷达目标低仰角DOA估计方法，该方法包括对输入数据集进行归一化处理；将归一化的输入数据集输入至神经网络模型得到网络输出数据集；根据网络输出数据集、标签数据集构建目标函数，对目标函数进行反向传输，且更新神经网络模型的网络参数集；根据网络参数集对测试数据集进行增强得到新的数据协方差矩阵，根据新的数据协方差矩阵得到新的测试数据集；对新的测试数据集进行DOA估计得到目标的仰角。本发明提供的DOA估计方法，其神经网络模型是根据实际场景构建的，有效地解决了物理驱动DOA估计中存在的实际信号模型与理想的远场平面波模型失配问题，从而使得DOA估计精度更高。
一种相位增强雷达目标仰角 doa 估计方法

[发明专利]一种基于RBF神经网络的低仰角DOA估计方法-CN201910357489.0在审
发明人：陈伯孝;刘冬;项厚宏 -专利权人：西安电子科技大学
申请日： 2019-04-29 - 公布日： 2019-09-10 - 主分类号： G01S3/14 文献下载
摘要：本发明公开了一种基于RBF神经网络的低仰角DOA估计方法，包括以下步骤：S1：在实测数据中选取仰角为低仰角的点迹，将所述低仰角的点迹对应的真实仰角作为训练神经网络的标签Y，Y＝[y₁,y₂,...,y_n]，根据标签y_i得到与其对应的数据协方差矩阵R_i，从所述数据协方差矩阵R_i中提取对应的实部特征和虚部特征得到列向量r_i；S2：将所有所述列向量[r₁,r₂,...,r_n]归一化得到训练RBF神经网络的输入normX；S3：求取所述RBF神经网络基函数中心，并根据所述基函数中心计算基函数方差；S4：根据所述基函数方差计算隐含层和输出层之间的连接权值，以得到训练好的神经网络；S5：将测试集样本进行归一化处理，输入到所述训练好的神经网络中求取来波到达角。本发明提供的方法提高了目标侦察准确性，减少了计算量，解决了现有技术中在复杂环境下DOA估计精度较低计算量大的问题。
低仰角基函数协方差矩阵仰角神经网络计算量列向量点迹标签训练神经网络归一化处理方差计算复杂环境目标侦察实测数据中心计算测试集归一化输出层隐含层方差实部虚部样本

1
共 8 条